编辑推荐——XML专题
编辑推荐——XML专题
　　　　　　　　　　　
xml规范（一）
　　　作者： macrohard
　　　Extensible Markup Language (XML) 1.0
　　　本文档是W3C建议XML 1.0的中文版，其中可能有错误和不妥之处。
　　　英文版是唯一的正式版，位于：
　　　http://www.w3.org/TR/1998/REC-xml-
　　　本文档位于：
　　　/~qqiu/xml/trans/REC-xml--cn.html
　　　译者：
　　　裘强 ()
--------------------------------------------------------------------------------
　　　著作权声明位于：http://www.w3.org/Consortium/Legal/copyright-documents.html
　　　Copyright ? 1998 W3C (MIT， INRIA， Keio )， All Rights Reserved. W3C
liability， trademark， document use and software 　　　licensing rules apply.
　　　REC-xml--cn
　　　　　可扩展标记语言(XML) 1.0
　　　W3C建议 日
　　　本版本:
　　　http://www.w3.org/TR/1998/REC-xml-
　　　http://www.w3.org/TR/1998/REC-xml-.xml
　　　http://www.w3.org/TR/1998/REC-xml-.html
　　　http://www.w3.org/TR/1998/REC-xml-.pdf
　　　http://www.w3.org/TR/1998/REC-xml-.ps
　　　最新版本:
　　　http://www.w3.org/TR/REC-xml
　　　上一版本:
　　　http://www.w3.org/TR/PR-xml-971208
　　　编者:
　　　Tim Bray (Textuality and Netscape) &&
　　　Jean Paoli (Microsoft) &&
　　　C. M. Sperberg-McQueen (University of Illinois at Chicago) &cmsmcq@uic.edu&
　　本文档完整地描述了可扩展标记语言(Extensible Markup Language，XML)，它是标准通用标记语言(Standard
Generic Markup 　Language，SGML)的一个子集。其目的在于使得在Web上能以现有超文本标记语言(Hypertext
Markup Language，HTML)的使用方式提供，接收和处理通用的SGML成为可能。XML的设计既考虑了实现的方便性，同时也顾及了与SGML和HTML的互操作性。
　本文档的状态
　　本文档已由W3C组织成员和其他相关各方审阅，并已被组织理事批准为W3C建议。这是一个稳定的文档，可以用作参考材料，也可以作为其他文档的正式参考文献。W3C在建议制定过程中的作用是吸引对本规范的注意并促进它的广泛使用。这能增强Web的功能和互操作性。
　　本文档规定了一种用于World Wide Web的语法，此语法是通过取一个业已存在并已广泛使用的文本处理国际标准(标准通用标记语言，经增补和更正的ISO
(E))的子集而创建的。它是W3C XML行动组(XML Activity)的工作成果，关于XML行动组的详细信息可以在http://www.w3.org/XML找到。在http://www.w3.org/TR可以找到现有W3C建议和其他技术文档的一个列表。
本规范中使用了[Berners-Lee等人]定义的一个术语URI，他们正在从事的的工作将更新[IETF RFC1738]和[IETF RFC1808]。
本规范的已知错误列表可以在http://www.w3.org/XML/xml--errata找到。
请将本文档中的错误报告给xml-editor@w3.org。
　　　　　　　　　可扩展标记语言(XML) 1.0
　　1. 绪论
　　1.1 开发者和开发目标
　　1.2 术语
　　2. 文件
　　2.1 规范的XML文件
　　2.2 字符
　　2.3 通用语法成分
　　2.4 字符数据和标记
　　2.5 注释
　　2.6 处理指令
　　2.7 CDATA段
　　2.8 序和文件类型声明
　　2.9 独立文件声明
　　2.10 空白处理
　　2.11 行尾处理
　　2.12 语言标识
　　3. 逻辑结构
　　3.1 起始标签，结束标签和空元素标签
　　3.2 元素类型声明
　　3.2.1 元素型内容
　　3.2.2 混合型内容
　　3.3 属性表声明
　　3.3.1 属性类型
　　3.3.2 属性的缺省值
　　3.3.3 属性-值对的规范化
　　3.4 条件段
　　4. 物理结构
　　4.1 字符和实体引用
　　4.2 实体声明
　　4.2.1 内部实体
　　4.2.2 外部实体
　　4.3 已析实体
　　4.3.1 文本声明
　　4.3.2 规范的已析实体
　　4.3.3 实体中的字符编码
　　4.4 XML处理器对实体和引用的处理
　　4.4.1 不被识别
　　4.4.2 被包含
　　4.4.3 进行验证时被包含
　　4.4.4 被禁止
　　4.4.5 被包含在常量中
　　4.4.6 通知
　　4.4.7 不处理
　　4.4.8 作为PE被包含
　　4.5 内部实体置换文本的构建
　　4.6 预定义实体
　　4.7 记法声明
　　4.8 文件实体
　　5. 一致性
　　5.1 进行验证和不进行验证的处理器
　　5.2 使用XML处理器
　　6. 记法
　　A. 参考文献
　　A.1 正式参考文献
　　A.2 其他参考文献
　　B. 字符的分类
　　C. XML和SGML(非正式)
　　D. 实体和字符引用的展开(非正式)
　　E. 确定型内容模型(非正式)
　　F. 字符编码的自动检测(非正式)
　　G. W3C XML工作组(非正式)
--------------------------------------------------------------------------------
　　1. 绪论
　　可扩展标记语言，缩写为XML，描述了一类称为XML文件的数据对象，同时也部分地描述了处理这些数据对象的计算机程序的动作。XML是SGML(标准通用标记语言[ISO
8879])针对应用的一个子集，或者说是SGML的一种受限形式。根据定义，XML文件是合乎规范的SGML文件。
　　XML文件由称为实体的存储单元组成，实体可以包含已析数据或未析数据。已析数据由字符组成，其中一些字符组成字符数据，另一些字符组成标记。标记中包含了对文件存储格式(storage
layout)和逻辑结构的描述。XML提供了一种机制用于约束存储格式和逻辑结构。
　　称为XML处理器的软件模块用于读取XML文件，存取其中的内容和结构。XML处理器被设想为是为另一个称为应用的模块作处理。本规范从XML处理器应如何读取XML数据以及应向应用提供哪些信息的这两个方面，描述了要求XML处理器作出的动作。
　　1.1 开发者和开发目标
　　XML由XML工作组(原先的SGML编辑审查委员会)开发，此工作组由World Wide Web Consortium(W3C)在1996年主持成立。工作组由Sun
Microsystems的Jon Bosak负责，同样由W3C组织的XML SIG(Special Interest Group)(原先的SGML工作组)积极参与了XML工作组的工作。XML工作组的成员在附录中给出。工作组与W3C的联系人是Dan
Connolly。
　　XML的设计目标如下：
　XML应该可以直接用于因特网(Internet)。
　XML应该支持大量不同的应用。
　XML应该与SGML兼容。
　处理XML文件的程序应该容易编写。
　XML中的可选项应无条件地保持最少，理想状况下应该为0个。
　XML文件应该是人可以直接阅读的，应该是条理清楚的。
　XML的设计应快速完成。
　XML的设计应该是形式化的，简洁的。
　XML文件应易于创建。
　XML标记的简洁性是最后考虑的目标。
　　本规范与其他相关的标准一起(Unicode和ISO/IEC 10646定义了字符集，Internet RFC1766定义了语言识别码，ISO
639定义了语言名称代码，ISO 3166定义了国家名称代码)，提供了理解XML版本1.0和构建相应计算机处理程序所需的所有信息。
　在完整保留所有文本和法律注意事项的前提下，本版本的XML规范可以自由分发。
　　1.2 术语
用于描述 XML 文件的术语在此规范的正文中定义。在这些定义中以及描述一个XML处理器的动作时，使用了下表中的术语：
　　可以(may)
允许合乎规范的文件和XML处理器按所描述的方式工作，但不要求必须如此。
　　必须(must)
要求合乎规范的文件和XML处理器按所描述的方式工作; 否则它们出现错误。
　　错误(error)
对本规范中的规则的违反; 其结果不确定。合乎规范的软件可以检测和报告错误，并可以从中恢复。
　　严重错误(fatal error)
　　合乎规范的XML处理器必须检测到，并向应用报告的一类错误。在遇到严重错误之后，处理器可以继续处理数据以发现更多的错误并可以向应用报告这些错误。为了支持错误的更正，处理器可以向应用提供文件中未经处理的数据(字符数据和标记的混合体)。但是，一旦检测到一个严重错误，处理器必须停止正常的处理(也就是说，它必须停止以正常的方式向应用提供与文件逻辑结构有关的数据和信息)。
　　由用户选择(at user option)
　　合乎规范的软件可以或者必须(取决于句子中的情态动词)按所描述的方式工作; 如果它满足这个条件，它必须同时提供用户一种手段，使得用户能够启用和禁用所描述的工作方式。
　　有效性约束(validity constraint)
　　适用于所有有效的XML文件的一种规则。违反有效性约束属于错误;进行验证的XML处理器必须，由用户选择，报告这些错误。
规范性约束(well-formedness constraint)
适用于所有规范的XML文件的一种规则。违反规范性约束属于严重错误。
　　匹配(match)
　　(对于字符串和名字：)被比较的两个字符串或名字必须完全相同。在ISO/IEC 10646中有多种可能表示方式的字符(例如，既有预定义(precomposed)形式和基字符(base)+变音符形式的字符)只在两个字符串中的表示方式相同时才匹配。由用户选择，处理器可以将这些字符规范成某种规范形式。不进行字符的大小写转换。(对于文法中的字符串和规则：)如果一个字符串属于一个文法产生式产生的语言，则它匹配这个产生式。(对于内容和内容模型：)当一个元素符合&元素有效性&约束中的描述时，它匹配其声明.
出于兼容性考虑(for compatibility)
仅用于保证与SGML兼容的XML特性。
出于互操作性考虑(for interoperability)
是一个不具约束性的建议，目的是增加XML文件能被在ISO 8879的WebSGML改编附件之前已有的SGML处理器处理的可能性。
如果一个数据对象满足本规范中规范的定义时，它是一个XML文件。一个规范的XML文件可以更进一步是有效的如果它满足某些进一步的约束。
　　每一个XML文件都有逻辑和物理结构。物理上而言，文件由称为实体的单元组成。一个实体可以引用(refer)其他实体，将它们包含在文件中。文件开始于&根(root)&或文件实体中。逻辑上而言，文件由声明，元素，注释，字符引用和处理指令组成，所有这些都在文件中用显式标记指明。逻辑和物理结构必须如&4.3.2
规范的已析实体&中所描述那样严格地嵌套。
　　2.1 规范的XML文件(Well-Formed XML Documents)
　　一个文本对象是一个规范的XML文件如果它满足：
　　作为一个整体，它匹配document产生式。
　　它满足本规范中定义的所有规范性约束。
　　此文件中直接或间接引用的每一个已析实体都是规范的。
　　[1] document ::= prolog element Misc*
　　匹配document产生式意味着：
　　它包含一个或多个元素.
　　有且仅有一个称为根(root)或文件元素的元素，它不出现在其他任何元素的内容(content)中。对于其他所有元素，如果起始标签在另一个元素的内容中，则其结束标签也在同一元素的内容中。换一个更简单的说法，以起始标签和结束标签为界的各个元素，必须严格地嵌套。
这样做的结果是，对于每一个非根的元素C，文件中另有一个元素P，C在P的内容中，而不在其他任何被P所包含的元素的内容中。P被称为C的父元素(parent)，而C被称为P的子元素(child)。
　　2.2 字符
　　一个已析实体包含文本(text)，文本是一个字符(character)序列，可以表示标记或字符数据。一个字符是ISO/IEC 10646[ISO/IEC
10646]中定义的文本最小单元。合法的字符包括制表符，回车，换行以及Unicode和ISO/IEC 10646中定义的合法的图形字符。不提倡使用[Unicode]6.8节中定义的&兼容字符(compatibility
characters)&。
　　字符范围
　　[2] Char ::= #x9 | #xA | #xD | [#x20-#xD7FF] | [#xE000-#xFFFD] | [#x10000-#x10FFFF]
/* 除了替代块(surrogate block)，FFFE和FFFF以外的任意Unicode字符。*/
　　将字符代码编码成位模型的机制各个实体间可能会有所不同。所有的XML处理器必须接受10646中的UTF-8和UTF-16编码；用于指出所用编码或指定使用其他编码的机制在后面的&4.3.3
实体中的字符编码&中讨论。
　　　2.3 通用语法成分
　　本节中定义了一些在文法中广泛使用的符号。
　　S(空白)包括一个或多个空格字符(#x20)，回车，换行和制表符。
　　[3] S ::= (#x20 | #x9 | #xD | #xA)+
　　为方便起见，字符被分为字母，数字和其他字符三类。字母可以是字母表中的字母，或是一个音节基字符(syllabic base character)后跟一个或多个组合字符，也可以是一个表意字符。在&B.
字符的分类&中给出了每一类字符的完整定义。
　　名字(name)是以字母或某些标点符号开头的记号，后跟字母，数字，连字符，下划线，冒号或句号，这些符号统称为命名字符(name character)。以&xml&或其他任何匹配
(('X'|'x') ('M'|'m') ('L'|'l')) 的字符串开头的名字，被保留用于本规范的此版本或后续版本的标准化。
　　注意：XML名字中的冒号被保留用于名字空间(name space)实验。它的含义有待于日后标准化，那时那些将冒号用于实验目的的文件有可能需要更新。(不保证XML采用的任何名字空间机制会实际采用冒号作为定界符。)实际上，这意味着除非用于名字空间实验，XML文件作者不应该在XML名字中使用冒号，但XML处理器应该接受冒号作为一个命名字符。
　Nmtoken(名字记号，name token)是任何命名字符的混合体。
　名字和记号
[4] NameChar ::= Letter | Digit | '.' | '-' | '_' | ':' | CombiningChar
| Extender
[5] Name ::= (Letter | '_' | ':') (NameChar)*
[6] Names ::= Name (S Name)*
[7] Nmtoken ::= (NameChar)+
[8] Nmtokens ::= Nmtoken (S Nmtoken)*
　　常量数据是任何用引号括起的字符串，不包括用作定界符的引号。常量用于指明内部实体的内容(EntityValue)，属性值(AttValue)，以及外部标识符(SystemLiteral)。注意，对SystemLiteral的语法分析可以不扫描标记。
[9] EntityValue ::= '&' ([^%&&] | PEReference | Reference)*
　 　 　 | &'& ([^%&'] | PEReference | Reference)* &'&
[10] AttValue ::= '&' ([^&&&] | Reference)* '&'
　 　 　 | &'& ([^&&'] | Reference)* &'&
[11] SystemLiteral ::= ('&' [^&]* '&') | &'&
[^']* &'&)
[12] PubidLiteral ::= '&' PubidChar* '&' | &'& (PubidChar
- &'&)* &'&
[13] PubidChar ::= #x20 | #xD | #xA | [a-zA-Z0-9] | [-'()+,./:=?;!*#@$_%]
　　2.4 字符数据和标记
　　文本由字符数据和标记混合构成。标记包括起始标签，结束标签，空元素标签，实体引用，字符引用，注释，CDATA段定界符，文件类型声明和处理指令。
其他所有非标记的文本组成文件的字符数据。
　　&and&号(&)和左尖括号(&)只有作为标记定界符，或在注释，处理指令，或CDATA段中时才能以常量形式出现。它们在一个内部实体声明的常量实体数值中也是合法的，参见&4.3.2
规范的已析实体&。如果在其他地方需要用到这两个字符，它们必须用数值式字符引用来转义或分别用字符串&&&和&&&表示。右尖括号(&)可以用&&&表示，而当它在内容中的字符串&]]&&中出现，但此字符串不表示一个CDATA段的结束时，出于兼容性考虑，必须用&&&或一个字符引用转义得到。
　　在一个元素的内容中，字符数据可以是不包括任何标记的起始定界符的任意字符串。在一个CDATA段中，字符数据可以是不包括CDATA段结束定界符&]]&&的任意字符串。
为了允许在属性值中包含单引号和双引号，省略符或称单引号(')可以被表示为&&&，而双引号(&)可以被表示为&&&。
　　字符数据
[14] CharData ::= [^&&]* - ([^&&]* ']]&' [^&&]*)
　　2.5 注释
　　注释可以在其他标记之外的文件中的任何位置出现。另外，它们可以在文件类型声明中文法允许的地方出现。它们不是文件字符数据的一部分，XML处理器可以，但不是必须，允许一个应用检索注释文本。出于兼容性考虑，字符串&--&(双连字符)不能在注释中出现。
　　[15] Comment ::= '&!--' ((Char - '-') | ('-' (Char - '-')))* '--&'
　　注释的一个例子：
　　&!-- declarations for &head& & &body& --&
　　2.6 处理指令
　　处理指令(PI)允许文件中包含由应用来处理的指令。
　　　处理指令
[16] PI ::= '&?' PITarget (S (Char* - (Char* '?&' Char*)))? '?&'
[17] PITarget ::= Name - (('X' | 'x') ('M' | 'm') ('L' | 'l'))
　　PI不是文件字符数据的一部分，但必须传递给应用。PI以用于指示传递给哪个应用的目标(PITarget)开头，目标名字&XML&，&xml&，等等，保留用于本规范的此版本或后续版本的标准化。XML记法机制可以用于PI目标的形式化声明。
　　2.7 CDATA段
　　CDATA段可以出现在字符数据可以出现的任何地方，它们用于转义包含会被识别为标记的字符串的文本块。CDATA段以字符串&&![CDATA[&开始，以字符串&]]&&结束：
　　CDATA段
　　[18] CDSect ::= CDStart CData CDEnd
　　[19] CDStart ::= '&![CDATA['
　　[20] CData ::= (Char* - (Char* ']]&' Char*))
　　[21] CDEnd ::= ']]&'
　　在一个CDATA段内，只有CDEnd字符串被识别为标记，因此左尖括号和&&&可以以它们的常量形式出现，不需要(也不能)被换码为&&&和&&&。CDATA段不能嵌套。
一个CDATA段的例子，其中&&greeting&&和&&/greeting&&被识别为字符数据，而不是标记：
&![CDATA[&greeting&Hello, world!&/greeting&]]&
　　2.8 序(prolog)和文件类型声明
　　XML文件可以，也应该以一个XML声明开始，其中指明了所用XML的版本。 例如，以下是一个完整的XML文件，它是规范的，但不是有效的：
　　&?xml version=&1.0&?&
　　&greeting&Hello, world!&/greeting&
　　下面这个也同样：
　　&greeting&Hello, world!&/greeting&
　　版本号&1.0&应该用于表明对与规范此版本相一致，如果使用了值&1.0&但又与本规范的此版本不一致，那么这是文件的一个错误。XML工作组打算赋予本规范的后续版本不同于&1.0&的数值，但这并不代表开发后续版本的承诺，也不代表如果有后续版本，会使用任何特殊的命名方案的承诺。因为不排除有后续版本的可能性，提供了本构造(construct)作为一旦需要时进行自动版本识别的手段。当处理器收到的文件标有它们不支持的版本时，可以给出一个错误。
　　XML文件中标记的功能是描述文件的存储格式和逻辑结构，并将属性-值对和逻辑结构关联起来。XML提供一种称为文件类型声明的机制，用于定义对逻辑结构的约束，支持预定义存储单元的使用。如果一个XML文件有相应的文件类型声明并且它遵循其中的约束，则称它是有效的(valid)。
　　文件类型声明必须位于文件第一个元素之前。
[22] prolog ::= XMLDecl? Misc* (doctypedecl Misc*)?
[23] XMLDecl ::= '&?xml' VersionInfo EncodingDecl? SDDecl? S? '?&'
[24] VersionInfo ::= S 'version' Eq (' VersionNum ' | & VersionNum
[25] Eq ::= S? '=' S?
[26] VersionNum ::= ([a-zA-Z0-9_.:] | '-')+
[27] Misc ::= Comment | PI | S
　　XML文件类型声明包含或指向标记声明，标记声明提供某一类文件的文法。这种文法被称为文件类型定义(document type difinition，DTD)。文件类型定义可以指向一个外部子集(一种特殊类型的外部实体)，或者可以在一个内部子集中直接包含标记声明，或者两者兼用。一个文件的文件类型定义由这两个子集合在一起组成。
　　标记声明可以是元素类型声明，属性表声明，实体声明，或是记法声明。这些声明可以如下面规范性和有效性约束中所述，全部或部分地包含在参数实体中，完整的信息参见&4.
物理结构&。
　　文件类型定义
[28] doctypedecl ::= '&!DOCTYPE' S Name (S ExternalID)? S? ('[' (markupdecl
| PEReference | S)* ']' S?)? '&' [ VC: 根元素类型 ]
[29] markupdecl ::= elementdecl | AttlistDecl | EntityDecl | NotationDecl
| PI | Comment [ VC: 严格的声明/PE嵌套 ]
　 　 　 　 [ WFC: 内部子集中的PE ]
　　标记声明可以全部或部分地由参数实体的置换文本组成。本规范后面的各个非终结符(elementdecl，AttlistDecl，等等)产生式描述的是在所有的参数实体被包含(include)之后的声明。
　　有效性约束: 根元素类型(Root Element Type)
　　文件类型声明中的Name必须匹配根元素的类型。
　　有效性约束: 严格的声明/PE嵌套
　　参数实体的置换文本必须用标记声明严格嵌套。即，如果一个标记声明(上面的markupdecl)的第一个或最后一个字符被包含于一个参数实体引用的置换文本中，两者必须都在此置换文本中。
　　规范性约束: 内部子集中的PE
　　在内部DTD子集中，参数实体引用只能出现在标记声明可以出现的地方，而不能在标记声明内部出现。(这个约束不适用于出现在外部参数实体内的引用，也不适用于外部子集。)
　　同内部子集一样，外部子集和任何DTD中引用的外部参数实体，必须由一系列被非终结符markupdecl所允许的完整的标记声明组成，其中可以夹杂空白字符或参数实体引用。但是，外部子集和外部参数实体的部分内容可以通过使用条件段(conditional
section)被有条件地忽略，在内部子集中则不允许这么做。
　　外部子集
[30] extSubset ::= TextDecl? extSubsetDecl
[31] extSubsetDecl ::= ( markupdecl | conditionalSect | PEReference |
外部子集和外部参数实体与内部实体不同之处还在于：在它们内，参数实体引用不仅可以出现在标记声明间，还可以出现在标记声明内。
有文件类型声明的XML文件的例子：
　　&?xml version=&1.0&?&
　　&!DOCTYPE greeting SYSTEM &hello.dtd&&
　　&greeting&Hello, world!&/greeting&
　　系统标识符&hello.dtd&给出了文件DTD的URI。
　　声明也可以如同下面这个例子一样直接(locally)给出：
　　&?xml version=&1.0& encoding=&UTF-8& ?&
　　&!DOCTYPE greeting [
　　&!ELEMENT greeting (#PCDATA)&
　　&greeting&Hello, world!&/greeting&
　　如果同时使用外部和内部子集，子集子集被看成出现在外部子集之前，这意味着内部子集中的实体和属性表声明的优先级要比在外部子集中的高。
2.9 独立文件声明
　　当文件从XML处理器递给应用时，标记声明可以影响它的内容，属性缺省值和实体声明是其中的例子。可以作为XML声明成分的独立文件声明，指明了对于文件实体而言，是否存在外部的声明。
独立文件声明
[32] SDDecl ::= S 'standalone' Eq ((&'& ('yes' | 'no') &'&)
| ('&' ('yes' | 'no') '&')) [ VC: 独立文件声明 ]
　　在一个独立文件声明中，值&yes&表示对于文件实体没有外部标记声明(不论是在DTD外部子集中，还是在由内部实体引用的外部参数实体中)会影响从XML处理器传递给应用的信息。值&no&表示有或可能有这样的外部标记声明。注意独立文件声明只是表示外部声明的存在，如果文件中存在对外部实体的引用，而这些实体已在内部声明时，不影响它的独立状态。
如果不存在外部标记声明，独立文件声明没有意义。如果存在外部标记声明，但没有独立文件声明，就假定取值&no&。
某些网络传输应用也许需要独立的文件，任何满足standalone=&no&的XML文件可以通过一定的算法转换为独立文件。
有效性约束: 独立文件声明
独立文件声明必须取值为&no&，如果任何外部标记声明中包含：
有缺省值的属性的声明，如果适用这些属性的元素出现在文件中而又没有给这些属性赋值的话。
(除了amp，lt，gt，apos，quot的)实体的声明，而对这些实体的引用出现在文件中的话。
其值需要规范化的属性的声明，如果这些出现在文件中的属性的值会因规范化而改变的话。
具有元素型内容的元素类型的声明，如果在这些类型的任一实例中直接出现空白的话。
具有独立文件声明的XML声明的例子：
&?xml version=&1.0& standalone='yes'?&
2.10 空白处理
　　在编辑XML文件时，使用&空白&(空格，制表符，空行，在本规范中用非终结符S表示)来分开标记以获得更好的可读性是很方便的。通常在文件的交付版本中不想包含这些空白。另一方面，必须保留在交付版本中的有意义的空白是很常见的，如在诗歌和源码中的空白。
　　XML处理器必须始终把不是标记的所有字符传递给应用。一个进行验证的XML处理器必须同时通知应用这些字符中的那一些组成了出现在元素型内容中的空白。
　　可以在元素中附加一个名为xml:space的特殊属性，以通知应用应该保留此元素中的空白。在有效的文件中，此属性和其他属性一样，使用时必须声明。它必须被声明为枚举类型，只有&default&和&preserve&两个可能的值。例如：
&!ATTLIST poem xml:space (default|preserve) 'preserve'&
　　&default&表示可以对此元素使用应用的缺省空白处理模式，&preserve&表示应用应该保留所有的空白。这适用于其所处元素的内容中的所有元素，除非被另一个xml:space属性的实例所覆盖。
任何文件的根元素被认为对应用的空白处理方式不作要求，除非它给此属性赋了值或将此属性声明为带缺省值。
2.11 行尾处理
为编辑的方便起见，存储XML已析实体的计算机文件经常用行来组织。通常这些行用回车符(#xD)和换行符(#xA)的一些组合来分隔。
　　为了使应用的工作简单化，对于一个外部已析实体或内部已析实体的常量实体值中包含的任何两字符常量序列&#xD#xA&或单独的常量#xD，XML处理器都应换成#xA传递给应用。(这可以通过在进行语法分析前将所有行分隔符规范成#xA而方便地实现。)
2.12 语言标识
　　在进行文件处理时，标识出其内容所使用的自然或形式化语言经常是很有用的。可以在文件中插入一个名为xml:lang的特殊属性用于指出XML文件中任何元素的内容和属性所使用的语言。在有效的文件中，此属性和其他属性一样，使用时必须声明。此属性的值是[IETF
RFC 1766]，&语言标识码&中定义的语言标识符：
[33] LanguageID ::= Langcode ('-' Subcode)*
[34] Langcode ::= ISO639Code | IanaCode | UserCode
[35] ISO639Code ::= ([a-z] | [A-Z]) ([a-z] | [A-Z])
[36] IanaCode ::= ('i' | 'I') '-' ([a-z] | [A-Z])+
[37] UserCode ::= ('x' | 'X') '-' ([a-z] | [A-Z])+
[38] Subcode ::= ([a-z] | [A-Z])+
　　Langcode可以是下列值：
　　[ISO 639]，&语言名称的表示码&中定义的两字母语言码。
　　在Internet Assigned Numbers Authority [IANA]注册的语言标识码，以前缀&i-&(或&I-&)开头。
　　用户定义或经各方同意的专用语言标识符，必须以前缀&x-&或&X-&开头，以保证它们不会和以后经IANA标准化或在IANA注册的名字相冲突。
　　可以有任意多个Subcode段，如果第一个子代码段存在，并且子代码由两个字母组成，那么此子代码必须是[ISO 3166]，&国家名称的表示码&中定义的国家代码。如果第一个子代码多于两个字母，那么它必须是在IANA注册的语言代码所表示的语言的子代码，除非它Langcode以前缀&x-&或&X-&开头。
　　习惯上用小写字母给出语言代码，用大写字母给出国家代码(如果有的话)。注意这些值与XML文件中的其他名字不同，是大小写无关的。
举例如下：
&p xml:lang=&en&&The quick brown fox jumps over the lazy
&p xml:lang=&en-GB&&What colour is it?&/p&
&p xml:lang=&en-US&&What color is it?&/p&
&sp who=&Faust& desc='leise' xml:lang=&de&&
&l&Habe nun, ach! Philosophie,&/l&
&l&Juristerei, und Medizin&/l&
&l&und leider auch Theologie&/l&
&l&durchaus studiert mit hei遝m Bem黨'n.&/l&
xml:lang所表示的语言选择适用于它所处元素的所有属性和内容，除非被此内容中的元素内的另一个xml:lang的实例所覆盖。
xml:lang的一个简单声明可以采用如下形式：
xml:lang NMTOKEN #IMPLIED
但是如果合适的话，也可以给出特定的缺省值。在一本供英国学生使用的法文诗歌集中，评注和注解使用英语，xml:lang属性可以这样声明：
&!ATTLIST poem xml:lang NMTOKEN 'fr'&
&!ATTLIST gloss xml:lang NMTOKEN 'en'&
&!ATTLIST note xml:lang NMTOKEN 'en'&
3. 逻辑结构
　　每个XML文件包含一个或多个元素，它们的边界用起始标签和结束标签分隔，或者，对于空元素，用一个空元素标签分隔。每一个元素有一个用名字标识的类型，有时称之为它的&通用标识符(generic
identifier)&(GI)，同时它可以有一个属性值说明(attribute specification)集。每一个属性值说明有一个名字和一个值。
[39] element ::= EmptyElemTag
　 　 　 | STag content ETag [ WFC: 元素类型匹配 ]
　 　 　 　 [ VC: 元素有效性 ]
　　除了那些开头匹配(('X'|'x')('M'|'m')('L'|'l'))的名字保留用于本规范的此版本和后继版本的标准化外，本规范不对元素类型和属性的语义，用法和名字(语法之外)作出限制。
规范性约束: 元素类型匹配
元素结束标签中的Name必须和起始标签中的元素类型相匹配。
有效性约束: 元素有效性
如果有一个与elementdecl相匹配的声明的Name与元素类型相匹配，且下述之一成立时，称此元素是有效的：
此声明与EMPTY相匹配，同时此元素没有内容。
此声明与children相匹配，同时子元素的序列属于内容模型中的正则表达式所产生的语言，在每对子元素间允许有空白(匹配非终结符S的字符)。
此声明与Mixed相匹配，同时内容由其类型匹配内容模型中的名字的字符数据和子元素组成。
此声明与ANY相匹配，同时每个子元素的类型均已声明。
3.1 起始标签，结束标签和空元素标签
每一个非空XML元素以一个起始标签作为开始的标记。
[40] STag ::= '&' Name (S Attribute)* S? '&' [ WFC: 唯一的属性值说明 ]
[41] Attribute ::= Name Eq AttValue [ VC: 属性值类型 ]
　 　 　 　 [ WFC: 无外部实体引用 ]
　 　 　 　 [ WFC: 在属性值中没有& ]
起始标签和结束标签中的Name给出了元素的类型。Name-AttValue对被统称为元素的属性值说明，其中每一对中的Name被称为属性名，AttValue的内容(在'或&定界符间的文本)被称为属性值。
规范性约束: 唯一的属性值说明
一个属性名只能在同一个起始标签或空元素标签中出现一次。
有效性约束: 属性值类型
属性必须被声明，其值必须具有所声明的类型。(属性类型参见&3.3 属性表声明&。)
规范性约束: 无外部实体引用
属性值不能包含对外部实体直接或间接的实体引用。
规范性约束: 在属性值中没有&
在一个属性值中直接或间接引用的实体的置换文本(除了&&&)不能包含&。
起始标签的一个例子：
&termdef id=&dt-dog& term=&dog&&
由一个起始标签开始的每一个元素必须用一个结束标签标记其结束，结束标签中的名字必须与起始标签中给出的元素类型相同：
[42] ETag ::= '&/' Name S? '&'
结束标签的一个例子：
&/termdef&
在起始标签和结束标签中的文本被称为元素的内容：
元素的内容
[43] content ::= (element | CharData | Reference | CDSect | PI | Comment)*
如果元素的内容为空，它必须表示为一个起始标签紧跟一个结束标签或空元素标签。空元素标签则采用一种特殊的形式：
空元素标签
[44] EmptyElemTag ::= '&' Name (S Attribute)* S? '/&' [ WFC: 唯一的属性值说明
不论元素是否用关键字EMPTY声明，空元素标签都可以用于任何没有内容的元素。出于互操作性考虑，空元素必须用于，且只能用于声明为EMPTY的元素。
空元素的例子：
&IMG align=&left&
src=&http://www.w3.org/Icons/WWW/w3c_home& /&
3.2 元素类型声明
出于验证的目的，可以用元素类型和属性表声明限制XML文件中元素的结构。元素类型声明限制了元素的内容。
元素类型声明通常限制了子元素的类型。由用户选择，当声明提到的元素类型没有相应的声明时，XML处理器可以给出警告，但这不是一个错误。
元素类型声明形式如下：
元素类型声明
[45] elementdecl ::= '&!ELEMENT' S Name S contentspec S? '&' [ VC:
唯一的元素类型声明 ]
[46] contentspec ::= 'EMPTY' | 'ANY' | Mixed | children
其中Name给出了所声明的元素类型。
有效性约束: 唯一的元素类型声明
元素类型只能声明一次。
元素类型声明的例子：
&!ELEMENT br EMPTY&
&!ELEMENT p (#PCDATA|emph)* &
&!ELEMENT %name. %content. &
&!ELEMENT container ANY&
3.2.1 元素型内容
　　当某一类型的元素只能包含用可选空白(匹配非终结符S)分隔的子元素(无字符数据)时，称此元素类型具有元素型内容。在这种情况下，有内容模型作为类型限制之一，内容模型是决定子元素类型和子元素出现顺序的一种简单文法。此文法用内容粒子(cp)构建，内容粒子由名字，内容粒子的选择表(choice
list)或内容粒子的序列表(sequence list)组成：
元素型内容的模型
[47] children ::= (choice | seq) ('?' | '*' | '+')?
[48] cp ::= (Name | choice | seq) ('?' | '*' | '+')?
[49] choice ::= '(' S? cp ( S? '|' S? cp )* S? ')' [ VC: 严格的组/PE嵌套 ]
[50] seq ::= '(' S? cp ( S? ',' S? cp )* S? ')' [ VC: 严格的组/PE嵌套 ]
　　其中每一个Name是可以作为子元素的元素的类型。选择表中出现的任意内容粒子在元素型内容中允许出现的位置对应于选择表在文法中的位置。序列表中出现的所有内容粒子必须以相同的顺序出现在元素型内容中。在名字或表之后的可选字符(optional
character)决定了表中元素或内容粒子可以出现一次或多次(+)，还是零次或多次(*)，或是零次或一次(?)。没有这样一个操作符意味着元素或内容粒子必须恰好出现一次。这种语法和意义和本规范中的产生式中所使用的相同。
　　当且仅当一个元素的内容可以通过满足内容模型中的选择，序列和重复操作符得到，并且内容中的每一个元素与内容模型中的一种元素类型相匹配时，称此元素的内容与该内容模型相匹配。出于兼容性考虑，
如果文件的某个元素可以和内容模型中的一种元素类型多次匹配，这是一个错误。 更详细的信息参见&E. 确定型内容模型&.
有效性约束: 严格的组/PE嵌套
　　参数实体的置换文本用括号括起的组严格嵌套。即，如果choice，seq或Mixed语法成分的开始或结束括号出现在某个参数实体的置换文本中，两者必须同在此置换文本中。出于互操作性考虑，如果一个参数实体引用出现在choice，seq或Mixed语法成分中时，它的置换文本不应为空，同时其置换文本的第一个和最后一个非空字符不应为一个连接符(|或,)。
元素型内容的模型举例：
&!ELEMENT spec (front, body, back?)&
&!ELEMENT div1 (head, (p | list | note)*, div2*)&
&!ELEMENT dictionary-body (%div. | %dict.)*&
3.2.2 混合型内容(Mixed Content)
　　当某元素类型可以包含字符数据，其间可以随意穿插子元素时，称此元素类型具有混合型内容。在这种情况下，对子元素的类型可能有所限制，但对它们的次序和出现次数没有限制：
混合型内容声明
[51] Mixed ::= '(' S? '#PCDATA' (S? '|' S? Name)* S? ')*'
　 　 　 | '(' S? '#PCDATA' S? ')' [ VC: 严格的组/PE嵌套 ]
　 　 　 　 [ VC: 无重复类型 ]
其中Name给出了子元素的元素的类型。
有效性约束: 无重复类型
同一名字在单个混合型内容声明中只能出现一次。
混合内容声明的例子：
&!ELEMENT p (#PCDATA|a|ul|b|i|em)*&
&!ELEMENT p (#PCDATA | % | % | % | %)* &
&!ELEMENT b (#PCDATA)&
3.3 属性表声明
　　属性用于关联名字-值对和元素。属性值说明只能在起始标签和空元素标签中出现; 因此，用于识别它们的产生式出现在&3.1 起始标签，结束标签和空元素标签&中。属性表声明可以用于：
定义与一给定元素类型有关的属性集。
确定这些属性的类型限制。
提供属性的缺省值。
属性表声明 详细说明了与给定元素类型相关联的每一个属性的名字，数据类型和缺省值(如果有的话)：
属性表声明
[52] AttlistDecl ::= '&!ATTLIST' S Name AttDef* S? '&'
[53] AttDef ::= S Name S AttType S DefaultDecl
　　AttlistDecl规则中Name是元素的类型。由用户选择，当属性声明相关的元素类型没有被声明时，XML处理器可以给出一个警告，但这不是一个错误。AttDef规则中的Name是属性的名字。
　　当与某个给定元素类型相关的AttlistDecl超过一个时，这些声明中的内容被合并在一起。当给定元素类型的某个属性的定义超过一个时，绑定第一个定义，其余定义被忽略。出于互操作性考虑，DTD的作者可以选择一个给定的元素类型至多有一个属性表声明，一个给定的属性名至多有一个属性定义，以及每个属性表声明至少有一个属性定义。出于互操作性考虑，当一个给定元素有超过一个的属性表声明或一个给定属性有超过一个的属性定义时，XML处理器可以，由用户选择，给出警告，但这不是一个错误。
3.3.1 属性类型
XML属性有三种类型：字符串类型，一组记号化类型和枚举类型。字符串类型可以以任意常量字符串为值; 各个记号化类型有不同的词法和语义约束，如下：
[54] AttType ::= StringType | TokenizedType | EnumeratedType
[55] StringType ::= 'CDATA'
[56] TokenizedType ::= 'ID' [ VC: ID ]
　 　 　 　 [ VC: 每种元素类型一个ID ]
　 　 　 　 [ VC: ID属性的缺省值 ]
　 　 　 | 'IDREF' [ VC: IDREF ]
　 　 　 | 'IDREFS' [ VC: IDREF ]
　 　 　 | 'ENTITY' [ VC: 实体名 ]
　 　 　 | 'ENTITIES' [ VC: 实体名 ]
　 　 　 | 'NMTOKEN' [ VC: 名字记号 ]
　 　 　 | 'NMTOKENS' [ VC: 名字记号 ]
有效性约束: ID
ID类型的值必须匹配Name产生式。作为此类型值的名字只能在XML文件中出现一次;即，ID类型的值必须能唯一标识元素。
有效性约束: 每种属性类型一个ID
每种属性类型只能有一个ID属性。
有效性约束: ID属性的缺省值
ID属性必须有一个声明为#IMPLIED或#REQUIRED的缺省值。
有效性约束: IDREF
IDREF类型的值必须匹配Name产生式，IDREFS类型的值必须匹配Names产生式；每一个Name必须匹配XML文件中某些元素ID属性的值；也就是说，IDREF类型的值必须匹配某些ID属性的值。
有效性约束: 实体名
ENTITY类型的值必须匹配Name产生式，ENTITIES类型的值必须匹配Names产生式；每一个Name必须匹配DTD中声明的未析实体的名字。
有效性约束: 名字记号
NMTOKEN类型的值必须匹配Nmtoken产生式;NMTOKENS类型的值必须匹配Nmtokens产生式。
枚举类型的属性可以在声明中提供的取值表中取值。有两种枚举类型：
枚举属性类型
[57] EnumeratedType ::= NotationType | Enumeration
[58] NotationType ::= 'NOTATION' S '(' S? Name (S? '|' S? Name)* S? ')'
[ VC: 记法属性 ]
[59] Enumeration ::= '(' S? Nmtoken (S? '|' S? Nmtoken)* S? ')' [ VC:
一个NOTATION类型的属性标识了一种用于解释与此属性相关的元素的记法，此记法中用系统或公共标识符在DTD中声明。
有效性约束: 记法属性
此类型的值必须与声明中所包含的记法名之一相匹配;声明中的所有记法名都必须声明。
有效性约束: 枚举
此类型的值必须与声明中所包含的Nmtoken记号之一相匹配。
出于互操作性考虑，同一Nmtoken只能在单个元素类型的枚举属性类型中出现一次。
3.3.2 属性缺省值
　　属性声明提供的信息指明了某属性是否必须出现，同时指明了在被声明的属性不是必须出现而文件中没有出现此属性的情况下，XML处理器应如何处理。
属性缺省值
[60] DefaultDecl ::= '#REQUIRED' | '#IMPLIED'
　 　 　 | (('#FIXED' S)? AttValue) [ VC: 必须的属性 ]
　 　 　 　 [ VC: 合法的属性缺省值 ]
　 　 　 　 [ WFC: 在属性值中无& ]
　 　 　 　 [ VC: 固定的属性缺省值 ]
　　在一个属性声明中，#REQUIRED表示必须总是提供此属性，#IMPLIED表示不提供缺省值。如果声明既不是#REQUIRED，也不是#IMPLIED，那么AttValue值包含了所声明的缺省值;关键字#FIXED规定此属性必须总是有缺省值。如果声明了一个缺省值，当XML处理器遇到一个被省略的属性时，它将当成此属性以缺省值出现
有效性约束: 必须的属性
如果缺省值声明是关键字#REQUIRED，那么属性表声明所指类型的元素中都必须有此属性。
有效性约束: 合法的属性缺省值
被声明的属性缺省值必须满足被声明的属性类型的词法约束。
有效性约束: 固定的属性缺省值
如果某属性的缺省值用关键字#FIXED声明，此属性的所有实例必须匹配该缺省值。
属性表声明的例子：
&!ATTLIST termdef
id ID #REQUIRED
name CDATA #IMPLIED&
&!ATTLIST list
type (bullets|ordered|glossary) &ordered&&
&!ATTLIST form
method CDATA #FIXED &POST&&
3.3.3 属性-值对的规范化(Attribute-Value Normalization)
在将属性的值传给应用或检验有效性之前，XML处理器必须将其规范化：
对字符引用的处理是将被引用的字符附加在属性值之后
对实体引用的处理是递归地处理实体的置换文本
对空白字符(#x20，#xD，#xA，#x9)的处理是将#x20附加于规范化的值之后，例外是对作为内部已析实体或内部已析实体常量实体值一部分的&#xD#xA&只附加一个#x20。
对于其他字符的处理是将它们附加于规范化的值之后
如果被声明的值不是CDATA，那么XML处理器必须继续处理规范化后的值，去掉其前导和尾随空格(#x20)字符，并将空格(#x20)字符序列替换成单个空格(#x20)字符。
不进行验证的语法分析器应该将所有尚未读到声明部分的属性当成被声明为CDATA。
3.4 条件段(Conditional Sections)
条件段是文件类型声明外部子集的一部分，取决于相应的关键字，它们或被包含在DTD逻辑结构之内，或被排除在DTD逻辑结构之外。
[61] conditionalSect ::= includeSect | ignoreSect
[62] includeSect ::= '&![' S? 'INCLUDE' S? '[' extSubsetDecl ']]&'
[63] ignoreSect ::= '&![' S? 'IGNORE' S? '[' ignoreSectContents* ']]&'
[64] ignoreSectContents ::= Ignore ('&![' ignoreSectContents ']]&'
[65] Ignore ::= Char* - (Char* ('&![' | ']]&') Char*)
同内部或外部DTD子集一样，条件段可以包含一个或多个完整的声明，注释，处理指令，或嵌套的条件段，其间可以夹杂空白。
　　如果条件段的关键字是INCLUDE，那么条件段的内容是DTD的一部分，如果条件段的关键字是IGNORE，那么条件段的内容逻辑上不是DTD的一部分。注意对于可靠的语法分析过程，甚至必须读取被忽略的条件段的内容以检测嵌套的条件段，保证最外层(被忽略)的条件段的结尾被恰当地检测到。如果一个关键字为INCLUDE的条件段出现在更大的关键字为IGNORE的条件段中，内外两个条件段都被忽略。
如果条件段的关键字是一个参数实体引用，处理器在决定是否包含或忽略此条件段前，必须先将该参数实体置换成其内容。
一个例子：
&!ENTITY % draft 'INCLUDE' &
&!ENTITY % final 'IGNORE' &
&!ELEMENT book (comments*, title, body, supplements?)&
&!ELEMENT book (title, body, supplements?)&